STMIK CATUR SAKTI KENDARISTMIK CATUR SAKTI KENDARI1
STMIK CATUR SAKTI KENDARI
STMIK CATUR SAKTI KENDARI
MODUL PRAKTIKUM STATISTIKAMODUL PRAKTIKUM STATISTIKA
MODUL PRAKTIKUM STATISTIKA
MODUL PRAKTIKUM STATISTIKA
Keruncingan Kurva
[Type the document title]
[Type the document subtitle]
MODUL PRAKTIKUM STATISTIKA
STMIK CATUR SAKTI KENDARI
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik merupakan kumpulan data, bilangan maupun non bilangan yang di susun dalam table dan atau diagram yang menggambarkan suatu persoalan sedangkan statistika adalah ilmu yang mempelajari metode – metode untuk menyederhanakan, meringkas dan untuk mengorganisir data serta menarik kesimpulan tentang populasi berdasarkan data sampel yang diambil dari populasi tersebut.
Peran statistik sangat penting dalam kehidupan sehari-hari. Sebuah data mentah akan memiliki nilai informatif ketika telah digambarkan dan disajikan dalam bentuk diagram batang, lingkaran, dan bentuk penyajian data lainnya. Dari penggambaran data pula dapat dilakukan peramalan suatu keadaan dimasa mendatang. Penyajian data tersebut merupakan bagian dari statistik deskriptif. Dengan ilmu statistik dapat pula seseorang menganalisa suatu kejadian, melakukan hipotesis dan mengambil kesimpulan. Statistik sangat erat hubungannya dengan data, karena data merupakan input dari statistik.
1.2 Batasan Pratikum
Batasan – batasan yang digunakan selama pratikum ini adalah :
Data yang digunakan yaitu data primer tentang tinggi badan dan berat badan. Serta Kendaraan yang digunakan untuk mencapai kampus.
Pengujian crosstabs hanya antara jenis kelamin dengan tinggi badan atau jenis kelamin dengan berat badan.
Antara jenis kelamin dengan tinggi badan atau jenis kelamin dengan berat badan.
Banyak kelas interval (k) yaitu 7.
Objek pengambilan studi kasus adalah mahasiswa TI Universitas Brawijaya.
Jumlah data yang diambil 40.
1.3 Asumsi Pratikum
Asumsi dalam pratikum ini adalah :
Data yang digunakan telah cukup untuk mewakili populasi
Pengujian crosstabs dapat dilakukan tanpa melakukan pengujian asumsi – asumsi.
1.4 Tujuan Pratikum
Tujuan dari pelaksanaan pratikum ini adalah :
Memahami statistic deskriptif dan pengolahan data mentah untuk disajikan dalam
bentuk informatif.
Mengetahui analsis data dengan menggunakan analisis crosstabs.
1.5 Manfaat Pratikum
Manfaat yang dapat diperoleh dari pelaksaan pratikum ini adalah :
Pratikan mampu mengolah data dan menyajikan data menjadi lebih informatif.
Pratikan mampu menganalisa data dengan metode analisis crosstabs
BAB II
TINJAUAN PUSAKA
2.1 Definisi Statistik dan Statistika
Kata statistik berasal dari kata Latin yaitu status yang berarti "negara" (dalam bahasa Inggris adalah state). Pada awalnya kata statistik diartikan sebagai keterangan-keterangan yangdibutuhkan oleh negara dan berguna bagi negara (Anto Dajan, Pengantar Metode Statistik). Misal keterangan mengenai jumlah keluarga penduduk suatu negara. Perkembangan lebih lanjut menunjukkanbahwa pengertian statistik merupakan suatu kumpulan angka-angka. Misalnya statistik kelahiran, statistik hasil pertanian, statistik penduduk dan sebagainya. Statistik merupakan kumpulan data bilangan maupun non bilangan yang disusun dalamtabel atau diagram yang menggambarkan suatu persoalan sedangkan statistika adalah ilmu yang mempelajari metode-metode untuk menyederhanakan, meringkas, dan mengorganisir data serta menarik kesimpulan tentang populasi berdasarkan data sampel yang diambil dari populasitersebut. Statistika dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan statistik inferensia.
2.2 Pembagian Jenis Data
Data statistik adalah keterangan atau ilustrasi mengenai suatu hal yang bisa berbentuk kategori atau bilangan. Data menurut Undang-undang Statistik adalah informasi yang berupaangka tentang karakteristik (ciri-ciri khusus) suatu populasi.
2.2.1 Berdasarkan bentuk data
1. Data Diskrit yaitu data yang disajikan dalam bentuk bilangan bulat.
Contohnya : rata rata Mahasiswa yang mengambil kue
2. Data Kontinyu adalah data yang disajikan dalam bentuk bilangan pecahan.
Contohnya : Tinggi badan rata rata mahasiswa teknik industri 2011 156,8
2.2.2 Berdasarkan Sifat Data
1. Data Kualitatif yaitu data yang tidak berbentuk bilangan
Contoh : warna dan jenis kelamin
2...…. Data Kuantitatif yaitu data yang berbentuk bilangan
..Contoh : rata rata umur siswa SD kelas 6 adalah 12 tahun
2.2.3.Berdasarkan Skala Pengukuran Data
Data Nominal adalah data yang diberikan pada objek atau kategori yang tidak menggambarkan kedudukan objek atau kategori tersebut terhadap objek atau kategori lainnya, tetapi hanya sekadar label atau kode saja. Data ini hanya mengelompokan objek / kategori ke dalam kelompok tertentu.
2. Data Ordinal adalah data yang penomoran objek atau kategorinya disusun menurut besarnya, yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya dengan jarak/rentang yang tidak harus sama.
Data ini mempunyai ciri-ciri:
Selain untuk membedakan, data ini juga mempunyai ciri mengurutkan pada rentangan tertentu. Kategori data dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya karakteristik yang dimiliki
Contoh :
Mengubah nilai ujian ke nilai prestasi, yaitu :
Nilai A menjadi 80-100
Nilai B menjadi 65-79
Nilai C menjadi 55-64
Nilai D menjadi 45-54
Nilai E menjadi 0-44
Data Interval adalah data dimana objek / kategori dapat diurutkan berdasarkan suatu atribut yang memberikan informasi berdasarkan interval antara tiap objek / kategori yang sama. Besarnya interval dapat ditambah atau dikurangi. Data ini mempunyai cirri yang sama dengan data ordin.al ditambah satu cirri lagi yaitu urutan kategori data mempunyai jarak yang sama. Akan tetapi, zero point sifatna berubah-ubah tergantung dari skala yang dipakai.
Contoh :
A B C D E
1 2 3 4 5
Interval A sampai C adalah 3-1 = 2
Interval C sampai D adalah 4-3 = 1
Kedua interval tersebut dapat dapat dijumlahkan menjadi 2+1 = 3 atau interval antara A dan D adalah 4 - 1 = 3.Pada data ini yang dijumlahkan bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat titik nol absolut.
Data Rasio adalah data yang memiliki sifat-sifat data nominal, ordinal dan data interval, dilengkapi dengan titik nol absolute.
Contoh :
A dan B adalah dua orang mahasiswa Universitas "X" yang nilai mata kuliah statistik I masing-masing 60 dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B adalah nilai 1,5 nilai A.
Berdasarkan Sumber Data
Data Interen yaitu data yang diambil dari dalam suatu instansi(lembaga atau instansi
Contoh: data keuangan, data produksi, data pegawai
Data Eksteren yaitu data yang diperoleh atau bersumber dari luar instansi. Data ini dibagi menjadi dua, yaitu data primer dan data sekunder.
Data primer adalah data yang diperoleh atau dikumpulkan oleh orang yang
melakukan penelitian. Data primer disebut juga data asli atau data baru.
Contoh : Data panjang kaki rata-rata siswa kelas 3 SD Sukorejo 2012, data jumlah penggunaan suatu produk pada konsumen
b. Data sekunder adalah data yang diperoleh dari sumber yang telah ada, biasanya diperoleh dari perpustakaan atau laporan-lapora peneliti yang terdahulu. Data sekunder disebut juga sebagai data tersedia.
Contoh : Data rata rata curah hujan di wilayah timur Indonesia 1 tahun lalu, pada peneliti yang menggunakan data statistic hasil riset dari surat kabar
Berdasarkan Pengumpulan Waktu
Data Time series adalah data yang dikumpulkan dari waktu ke waktu pada satu obyek dengan tujuan untuk menggambarkan perkembangan
Contoh : data perkembangan nilai tukar dolar Amerika terhadap euro Eropa dari tahun 2005-2007
Data Cross Section adalah data yang dikumpulkan pada satu ke waktu tertentu pada beberapa obyek dengan tujuan untuk menggambarkan keadaan
Contoh : Laporan keuangan suatu per 31 Desember 2008, data pelanggan PT. Sidodadi bulan Januari 2007
2.3 Statistika Deskriptif
Adalah bagian dari statistika yang mempelajari cara pengumpulan data dan penyajian data sehingga mudah dipahami. Statistika deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan. Dengan kata statistika deskriptif berfungsi menerangkan keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistika deskriptif (jika ada) hanya ditujukan pada kumpulan data yang ada.
2.3.1 Ukuran Lokasi
Adalah beberapa ukuran yang menyatakan dimana distribusi data tersebut terpusat (Howell, 1982).Ukuran lokasi berupa nilai tunggal yang bisa mewakili suatu kumpulan data dan karakteristiknya (menunjukkan pusat dari nilai data).
Modus
Modus adalah nilai yang paling sering muncul dari serangkaian data. Modus tidak dapat digunakan sebagai gambaran mengenai data
Rumus untuk mencari modus data frekuensi
Mo=L+d1d1+d2 (2-1)
Sumber : Suryana.2008.http://statistikaterapan.wordpress.com
Dimana :
Mo: nilai modus
L = tepi kelas bawah dimana modus berada
d1 = selisih frekuensi kelas modus dengan kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan kelas sesudahnya
i = besarnya kelas interval
Median
Median merupakan suatu nilai ukuran pemusatan yang menempati posisi tengah setelah data diurutkan
Med=Xn2+Xn2+12 (2-2)
Sumber : Hasan (2003:78)
Mean (Rata-rata)
Rata-rata merupakan ukuran pemusatan yang sangat sering digunakan.Keuntungan dari menghitung rata-rata adalah angka tersebut dapat digunakan sebagai gambaran atau wakil dari data yang diamati. Rata-rata peka dengan adanya nilai ekstrim.
Rumus untuk mencari mean data tunggal:
X=X1+X2+...+Xnn (2-3 )
Sumber: Suryana.2008.http://statistikaterapan.wordpress.com
Dimana :
X=rata-rata hitung
x= wakil data
n=jumlah data
Sedangkan rumus untuk mencari mean data kelompok adalah sebagai berikut:
x=Ʃ(f.x)n (2-4)
Sumber: Hasan (2003:72)
Dimana :
f = frekuensi kelas
n= jumlah data
x= titik tengah
2.3.2 Ukuran variabilitas
Adalah suatu ukuran baik parameter atau statistika untuk mengetahui seberapa besar penyimpangan data.Melalui ukuran variabilitas dapat diketahui seberapa jauh data-data menyebar dari titik pemusatannya.
Variansi
dinotasikan sebagai S2 atau σ2 adalah ukuran penyebaran data yang mengukur rata-rata kuadrat jarak seluruh titik pengamatan dari nilai tengah (meannya).
Standar deviasi
dinotasikan sebagi s atau σ, menunjukkan rata-rata penyimpangan data dari harga rata-ratanya. Standar deviasi merupan akar pangkat dua dari variansi.
Range
dinotasikan sebagai R, menyatakan ukuran yang menunjukkan selisih nilai antara maksimum dan minimum. Rentang cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai datanya menyebar merata. Ukuran ini menjadi tidak relevan jika nilai data maksimum dan minimumnya merupakan nilai ekstrim
2.3.3 Ukuran Bentuk
Ada banyak cara untuk menguji normalitas data, baik yang bersifat eksploratif (deskriptif) maupun konfirmatif (inferensi). Salah satu cara yang bersifat eksploratif adalah dengan melihat bentuk kurva pendekatan distribusi empirisnya, yaitu dengan menghitung nilai skewness (kemencengan) dan kurtosis (keruncingan) kemudian membandingkan dengan distribusi normal.
Skewness
Skewness adalah derajat ketidaksimetrisan suatu distribusi.Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari meannya) maka dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol).
SkewnessS=1Tσ3t-1rr1-μ3 (2-5)
Sumber: Edi.2008. statutorial.blogspot.com/2008/01
Gambar 2.1 Kurva skewness
Sumber: Edi et Amo. 2008. www.statutorial.blogspot.com
2. Kurtosis
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal).Kurva yang lebih lebih runcing dari distribusi normal dinamakan leptokurtik, yang lebih datar platikurtik dan distribusi normal disebut mesokurtik. Kurtosis dihitung dari momen keempat terhadap mean. Distribusi normal memiliki kurtosis = 3, sementara distribusi yang leptokurtik biasanya kurtosisnya > 3 dan platikurtik <>
Kurtosis K=1Tσ4t-1rrt-μ4 (2-6)
Sumber: Edi.2008. statutorial.blogspot.com/2008/01
Gambar 2.2 Kurva kurtosis
Sumber : Suharyadi.2012.www.blog.unsri.ac.id/userfiles
2.4 Penyajian Data
Penyajian data dibuat untuk memberikan deskripsi mengenai data yang telah di kumpulkan dan memudahkan untuk pengambilan keputusan.Bentuk penyajian data dapat berupa table maupun grafik. Adapun fungsi penyajian data sebagai berikut:
menunjukkan perkembangan suatu keadaan
mengadakan perbandingan pada suatu waktu
Tabel Data
Tabel data, disingkat tabel adalah penyajian data dalam bentuk kumpulan angka yang disusun menurut kategori-kategori tertentu, dalam suatu daftar.
Tabel frekuensi adalah table yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.
Table 2.1 Nilai Ujian
Nilai
Jumlah Siswa
60 – 64
8
65 – 69
12
70 – 74
15
75 – 79
10
80 – 84
7
85 – 89
4
Jumlah
56
Sumber : Anonym.2009.www.smkpgri28-jkt.com/files
Tabel kontingensi adalah table yang menunjukan atau memuat data sesuai dengan rinciannya.
Tabel 2.2 Luas Areal yang Telah Terbit Izin
Lokasinya di Kota Bandung Tahun 1997-2001
Tahun
Industri
Perumahan
Jasa
Jumlah
1997
567.620
2.170.000
229.584
2.976.204
1998
245.018
106.000
170.123
522.141
1999
381.627
178.100
269.372
829.099
2000
380.500
179.300
269.512
829.312
2001
-
211.866
800.000
1.011.866
Sumber: anonym.2009.smkpgri28-jkt.com/files
Tabel klasifikasi adalah table yang menunjukkan atau memuat pengelompokan data. Tabel ini dapat dibuat dalam berbagai bentuk mulai dari tabel klasifikasi satu arah, dua arah, tiga arah dan lebih dari tiga arah. Yang mana yang akan dipilih tergantung dari ragam data yang diperoleh. Bentuk tabel biasanya akan terdiri dari komponen-komponen : judul tabel, judul kolom, isi tabel dan sumber. Berikut ini diberikan beberapa contoh tabel klasifikasi satu, dua dan tiga arah.
Tabel 2.3 Ekspor Ikan Indonesia
Tahun
Volume (Ribu ton)
1991
1996
1997
1998
217,2
240,0
333,6
301,4
Sumber : Bambang. 2008. elib.unikom.ac.id/files
Tabel 2.4 Peningkatan Permintaan Beberapa Komoditas
Holtikultura 1993-1997
Jenis Produk USA (%) Kanada (%) MEE
Mangga 8 25 104
Melon 70 31 69
Pepaya 35 - 100
Pisang 41 19 85
Bawang Merah 55 49 11
Sumber : Bambang. 2008. www.elib.unikom.ac.id/files
Tabel 2.5 Produksi Kedelai (ton/ha) Berdasarkan Varietas,
Daerah Panen, dan Jenis Tanah
Sumber : Etty. 2010. www.scribd.com/Ettw
Jadi pada prinsipnya untuk membuat tabel klasifikasi, terlebih dahulu ditentukan apa yang menjadi penekanan utamanya, kemudian penekanan keduanya, ketiga dan selanjutnya. Data dengan penekanan utama ditempatkan pada kolom dan penekanan kedua pada baris.
Tabel korelasi adalah table yang menunjukkan atau memuat adanya korelasi (hubungan) antara data yang disajikan.
Tabel 2.6 Hasil Ujian Matematika dan Akuntansi
Nilai
akuntansi
Nilai Matematika
50 – 59
60 - 69
70 – 79
80 – 89
90 - 99
90 – 99
2
4
4
80 – 89
1
4
6
5
70 – 79
5
10
8
1
60 – 69
4
9
5
2
50 – 59
6
6
2
Sumber : anonym.2009.www.smkpgri28-jkt.com/files
2.4.2 Grafik Data
Hal yang perlu diperhatikan ketika membuat grafik :
Menentukan sumbu absis (X) dan ordinat Y). Sumbu absis mencantumkan nilai dan sumbu ordinat mewakili frekuensi. Lalu menentukan perbandingan X dan Y
Jenis Grafik, Bagan dan Diagram : Histogram, Poligon, Ogive, Bagan melingkar, grafik
batang, kartogram, Piktogram, diagram garis, bagan piramida.
Histogram
Grafik ini disebut juga Bar diagram yakni grafik berbentuk segi empat. Dasar pembuatan dengan menggunakan batas nyata atau titik tengah.
Gambar 2.3 Grafik histogram
Sumber: Anonim.2008.sainsmat.uksw.edu/2008
Poligon
Grafik ini juga populer dengan sebutan poligon frekuensi. Dibuat dengan menghubungkan titik tengah dalam bentuk garis (kurva). Grafik ini mendasarkan pada titik tengah dalam pembuatannya.
Gambar 2.4 Grafik polygon frekuensi
Sumber : Anonim.2008.sainsmat.uksw.edu/2008
Grafik Ogive
Disebut juga grafik frekuensi meningkat, karena cara pembuatannya dengan menjumlah frekuensi pada tiap nilai variabel.
Gambar 2.5 Ogive "lebih dari" dan "kurang dari"
Sumber: Tarsis,Kiswanto.2009.blog.unnes.ac.id/antokbs/files
Bagan melingkar/ grafik melingkar
Yaitu grafik atau bagan berupa lingkaran yang telah dibagi menjadi beberapa bagian sesuai dengan proporsi data. grafik ini telah dibagi menjadi juring-juring sesuai dengan data tersebut. Biasanya dinyatakan dalam persen.
Gambar 2.6 Grafik lingkaran
Sumber: Bambang. 2008. elib.unikom.ac.id/files
Grafik Batang atau balok
Yaitu grafik yang berbentuk persegi panjang yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai data yang bersangkutan. Setiap batang tidak boleh saling melekat atau menempel dan jarak tiap batang harus sama. Susunan grafik ini boleh tegak atau mendatar.
Gambar 2.7 Grafik batang
Sumber : Bambang. 2008. elib.unikom.ac.id/files
Kartogram atau peta statistik
Yaitu grafik data berupa peta yang menunjukkan kondisi data dan diwakili oleh lambang tertentu dalam sebuah peta. Biasanya untuk menggambarkan kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan, hasil pertambangan dan sebagainya.
Gambar 2.8 Grafik kartogram
Sumber : Ridwan. 2008. www.compsoc.bandungfe.net
Piktogram
Yaitu grafik data yang menggunakan gambar atau lambang dalam penyajiannya. Satu lambang bisa mewakili jumlah tertentu.
Gambar 2.9 Grafik piktogram
Sumber: Bambang. 2008. elib.unikom.ac.id/files
Grafik garis
Yaitu grafik data berupa garis yang diperoleh dari ruas garis yang menghubungkan titik-titik pada bilangan. Grafik ini dibuat dengan 2 sumbu yakni sumbu X menunjukkan bilangan yang sifatnya tetap, seperti tahun, ukuran dan sebagainya. Sedangkan pada sumbu Y ditempatkan bilangan yang sifatnya berubah-ubah seperti, harga, biaya dan jumlah.
Gambar 2.10 Grafik garis
Sumber: Bambang. 2008. elib.unikom.ac.id/files
2.5 Analisa Crosstab
Metode Crosstab disebut juga sebagai metode tabulasi silang. Metode Crosstab merupakan metode yang menggunakan uji statistik untuk mengidentifikasi dan mengetahui korelasi antara dua variabel (Gasperz, 1992). Metode tabulasi silang (crosstab) merupakan metode untuk menganalisis keterkaitan beberapa faktor yang disusun menjadi kolom dan baris. Adapun data tersebut merupakan data kualitatif, khususnya data yang berskala nominal dan ordinal. Jadi, metode Crosstab merupakan suatu bentuk analisis statistik deskriptif yang dipergunakan untuk mengetahui korelasi antar dua variabel sederhana dimana hasil tabulasi yang dilakukan disajikan ke dalam bentuk tabel dengan variabel yang tersusun sebagai kolom dan baris.
BAB III
METODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
Berikut ini merupakan diagram alir praktikum :
Gambar 3.1 Diagram alir praktikum
3.2 Prosedur Praktikum
Langkah-langkah yang harus dilakukan oleh praktikan adalah sebagai berikut:
Mengidentifikasi masalah dari suatu objek penelitian yang akan diamati
Mengumpulkan data dari hasil pengamatan tentang tinggi badan dan berat badan mahasiswa TI UB.
Melakukan pengolahan data mengenai statistik deskriptif serta penyajian datanya.
Menganalisa, menginteprestasi dan menghasilkan data
Menarik kesimpulan
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Data yang dikumpulkan pada praktikum ini adalah data tingi badan dan berat badan mahasiswa Teknik Industri Universitas Brawijaya angkatan 2011. Sampel berjumlah 40 orang, dianalisis secara manual dan dengan software SPSS 19.0.
Tabel 4.1 Pengumpulan Data Tinggi dan Berat Badan
No
Nama
Jenis Kelamin
Tinggi Badan
Berat Badan
1
Norma
P
160,5
54,7
2
Nisa
P
155,5
48,9
3
Fariza
P
155.1
55
4
Gisti
P
156,8
58
5
Prima
P
160
57
6
Cynthia
P
151
57,7
7
Windy
P
158,5
44,2
8
Ryanti
P
157,5
58
9
Fighi
P
162,9
58,2
10
Sita
P
161,2
51,9
11
Riska
P
158,1
56,3
12
Nikita
P
153,2
50,4
13
Oky
P
150
50,3
14
Denira
P
159,8
60,7
15
Riza
P
153
41,7
16
Krisna
P
159
46,9
17
Olif
P
149,5
43.8
18
Umi
P
165,1
57,6
19
Rona
P
160,5
55,2
20
Rasyida
P
158
46,8
No
Nama
Jenis Kelamin
Tinggi Badan
Berat Badan
21
Fiki
P
170,1
68
22
Endhita
P
159
54
23
Tita
P
156,4
61,6
24
Samuel
L
174
59,1
25
Shofa
L
172
60,6
26
Adit
L
162,5
78,8
27
Aga
L
161
67,6
28
Sondy
L
178
70,5
29
Sugi
L
175,3
110
30
Marcel
L
171,8
66,8
31
Jeffan
L
165,5
61,2
32
Yongki
L
165
62,8
33
Dio
L
167,2
60,7
34
Oscar
L
176,2
70,8
35
Luri
L
164,9
64,3
36
Wira
L
162,5
69,9
37
Haidar
L
166
61,5
38
Taufiq
L
163
54,5
39
Johny
L
159,2
52
40
Navis
L
167,8
46,5
4.2 Pengolahan Data
Berdasarkan data yang didapatkan, dilakukan pengolahan data untuk mengetahui mean, median, modus, varians, standart deviasi, percentile dan range.
4.2.1 Data Tinggi Badan
Berikut ini merupakan data tinggi badan mahasiswa Program Studi Teknik Industri 2011:
4.2.1.1 Pengolahan Manual
Menghitung range data
Range = nilai maksimum – nilai minimum = 178 – 149,5 1, = 28,5
Menghitung jumlah kelas
K = 1 + 3,3 log n = 1 + 3,3 1,60 = 6,28
Menghitung nilai interval
i = rangek= 28,56.28 = 4,5
Membuat table interval kelas
Tabel 4.2 Pengolahan Data Tinggi Badan
No
Nilai
F
Xi
f.Xi
Xbar
(Xi-Xbar)2
(Xi-Xbar)2.f
1
149,5-153.9
5
151,7
758.5
162,25
111.3
556.5
2
154-158.4
6
156.2
937.2
162,25
36.6
219.6
3
158.5-162.9
13
160.7
2089.1
162,25
2.4
31.2
4
163-167.4
8
165.2
1321.6
162,25
8.7
69.6
5
167.5-171.9
3
169.7
509.1
162,25
55.5
166.5
6
172-176.4
4
174.2
696.8
162,25
142.8
571.2
7
176.5-180.9
1
177.7
177.7
162,25
238.7
238.7
Melakukan Perhitungan Statistik
Tabel 4.3 Perhitungan Statistik Data Tinggi Badan
UKURAN
TUNGGAL
KELOMPOK
Mean
x=Ʃxn=6482.640=162.065
x=Ʃ(f.x)n =649040 =162,25
Median
(Me)
Me=x20+x212=161+161,22 =161,1
Me =158.45+20-1113.4.5
=158,45+913.4.5=161.56
Modus
(Mo)
159
Mo=L+d1d1+d2.C
=157,65+77+5.4,5
=160,275
Varians
S2=zx-x2n=1990.93640 =49.77
S2=zfx-x2n =1853.340
=46,33
Standar
Deviasi
s=49.77=7.06
s=46.33=6.8
Percentil (5th)
Pi=nilai ke in+1100
=nilai ke 540+1100 = 2,05
=x2+0,05(x3-x2)
=150+0.05(151-150)
=150.05
Pi=Bi+in100-fiofPi.C
=149.5+2-05.4.07
= 151.128
Tabel Lanjutan 4.3 Perhitungan Statistik Data Tinggi Badan
UKURAN
TUNGGAL
KELOMPOK
Percentil (95th)
Pi=nilai ke in+1100
=nilai ke 9540+1100 = 38.95
=x38+0,95(x39-x38)
= 175.3+ 0.95 (176.2-175.3)
= 176.155
Pi=Bi+in100-fiofPi.C
=174+38-373.4.07
=175.36
4.2.1.2 Pengolahan SPSS
1. Uji Frekuensi
Pengolahan dengan menggunakan SPSS adalah seperti berikut :
Pada SPSS data tinggi badan, klik Analyze – Descriptive Statistic – Frequencies
Gambar 4.1 Langkah-langkah pengolahan frequencies
Jendela Frequencies, masukkan variabel Tinggi badan pada Variable(s), klik Statistics, kemudian centang seperti pada gambar.
Gambar 4.2 Jendela frekuensi dan frekuensi statistik
Klik continue – Ok, maka akan muncul output.
Tabel 4.4 Output SPSS
Statistics
Tinggi_Badan
N
Valid
40
Missing
0
Mean
162,065
Std. Error of Mean
1,1297
Median
160,750
Mode
159,0a
Std. Deviation
7,1446
Variance
51,045
Range
28,5
Sum
6482,6
Percentiles
5
150,050
10
153,020
25
157,625
50
160,750
75
165,875
90
173,800
95
176,155
Dari table output SPSS diatas dapat diketahui nilai mean (rata – rata) adalah 162,065 ; nilai tengah (median) adalah 160,750 ; nilai modus adalah 159 ; nilai standard deviasi adalah 7,1446 ; nilai variasi adalah 51,045 ; range adalah 28.5 dan nilai persentil adalah 150;153;157,62;160,75;165,87;173,8 dan 176,15.
Data Berat Badan
Berikut ini merupakan data berat badan mahasiswa Program Studi Teknik Industri
2011:
Pengolahan Manual
Menghitung range data
Range = nilai maksimum – nilai minimum
= 110 – 41,7
= 68,3
Menghitung jumlah kelas
K = 1 + 3,3 log n
= 1 + 3,3 1,60
= 6,28
Menghitung nilai interval
i = rangek
i = 68,36.28
i = 10.9
Membuat table Interval Kelas
Tabel 4.5 Pengolahan Data Berat Badan
No
Nilai
F
Xi
f.Xi
Mean
(Xi-Xbar)2
(Xi-Xbar)2.f
1
41,7-52.5
11
47.1
518.1
58,84
137.83
1516.13
2
52,6-63.4
20
58
1160
58,84
0.7056
14,112
3
63.5-74.3
7
68.9
482.3
58,84
101.2
708.4
4
74.4-85.2
1
79.8
79.8
58,84
439.32
439.32
5
85.3-96.1
0
90.7
0
58,84
1015.06
0
6
96.2-107
0
101.6
0
58,84
1828.4
0
7
108-118.8
1
113.4
113.4
58,84
2976.8
2976.8
Melakukan Perhitungan Statistik
Tabel 4.6 Perhitungan Statistik Data Berat Badan
UKURAN
TUNGGAL
KELOMPOK
Mean
x=Ʃxn=2354.540=58.8625
x=Ʃ(f.x)n =2353.640 =58,84
Median
(Me)
Me=x20+x212=57.7+582 =57.85
Me=52,65+20-1120.10.9
=52.65+920.10.9=57,555
Modus
(Mo)
58
Mo=L+d1d1+d2.
=52.65+920.10.9=57,555
Varians
S2=zx-x2n=5329.8240 =133.25
S2=zfx-x2n=5654.7640=141.4
Standar
Deviasi
s=133.25=11.54
s=141.4=11.89
Percentil (5th)
Pi=nilai ke in+1100
=nilai ke 540+1100 = 2,05
=x2+0,05(x3-x2)
=43.8 + 0.05 (44.2-43.8) = 43.82
Pi=Bi+in100-fiofPi.C
=41.65+2-09.4.07 = 42.55
Tabel Lanjutan 4.6 Perhitungan Statistik Data Berat Badan
UKURAN
TUNGGAL
KELOMPOK
Percentil (95th)
Pi=nilai ke in+1100
=nilai ke 9540+1100 = 38.95
=x38+0,95(x39-x38)
=70.8 + 0.95 (78.8-70.8) = 78.4
Pi=Bi+in100-fiofPi.C
=60.85+38-2711.4.07
=64.92
4.2.2.2 Pengolahan SPSS
1. Uji Frekuensi
Output pengolahan SPSS menggunakan uji frekuensi adalah sebagai berikut :
Tabel 4.7 Output SPSS
Statistics
Berat_Badan
N
Valid
40
Missing
0
Mean
58,863
Std. Error of Mean
1,8486
Median
57,850
Mode
58,0a
Std. Deviation
11,6913
Variance
136,688
Range
68,3
Sum
2354,5
Percentiles
5
43,820
10
46,530
25
51,925
50
57,850
75
62,500
90
70,440
95
78,400
Dari table output SPSS diatas dapat diketahui nilai mean (rata – rata) adalah 58,863 ; nilai tengah (median) adalah 57,850 ; nilai modus adalah 58 ; nilai standard deviasi adalah 11,69 ; nilai variasi adalah 136,68 ; range adalah 68,3 dan nilai persentil adalah 43,82;46,53;51,92;57,85;62,50;70,44 dan 78,40.
4.2.3 Penyajian Data dengan Histogram
Berikut penyajian data tinggi badan menggunakan Histogram :
Gambar 4.3 Histogram tinggi badan.
Dari histogram diatas dapat kita amati bahwa tinggi badan terbanyak berada
pada rentang tinggi antara 157,7–161,7 dengan frekuensi sebanyak 12 orang. Untuk tinggi badan terendah berada pada rentang 165,9 – 169,9 dan 175 – 179 dengan frekuensi sebanyak 3 orang.
Berikut adalah bentuk penyajian data berat badan menggunakan histogram,
Gambar 4.4 Histogram berat badan.
Dari histogram diatas dapat kita amati bahwa berat badan terbanyak berada pada rentang berat antara 51,8–61,8 dengan frekuensi sebanyak 21
4.3 Pengolahan Data Studi Kasus
Pengolahan data Studi Kasus merupakan proses untuk memperoleh data ringkasan
berdasarkan survei yaitu survey jenis kendaraan yang digunakan oleh mahasiswa Teknik Industri 2011. Proses dilakukan dengan manipulasi data kedalam bentuk yang lebih
berarti berupa informasi.
4.3.1 Penyajian Data dengan Pie Chart
Berikut adalah penyajian data dengan menggunakan pie chart :
Gambar 4.5 Pie chart jenis kendaraan
Dari pie chart diatas terlihat bahwa mahasiswa Teknik Industri yang menggunakan kendaraan umum untuk ke kampus sebanyak 5%, yang menggunakan kendaraan pribadi sebanyak 70%, dan yang berjalan kaki sebanyak 25%.
4.3.2 Analisis Crosstabs
Analisis Crosstabs dilakukan dengan membandingkan antara variabel Asal daerah (Malang dan luar Malng) terhadap jenis kendaraan yang dipakai menuju ke kampus. Berikut output crosstabsnya :
Tabel 4.8 Output Crosstabulation
Asal * Jenis_Kendaraan Crosstabulation
Count
Jenis_Kendaraan
Total
Jalan
Pribadi
Umum
Asal
Malang
1
11
1
13
Luar Malang
9
17
1
27
Total
10
28
2
40
Tabel diatas menjelaskan tentang hubungan antara kolom dan baris. Dalam hal ini kolom menunjukkan jenis kendaraan yang digunakan ke kampus yaitu jalan, kendaraan pribadi dan kendaraan umum dengan baris yang menunjukkan asal daerah mahasiswa. Mahasiswa asal Malang terdapat 1 orang yang berjalan kaki, 11 orang yang menggunakan kendaraan pribadi, dan 1 orang yang menggunakan kendaraan umum. Untuk mahasiswa luar kota Malng terdapat 9 orang yang berjalan kaki, 17 orang menggunakan kendaraan pribadi, dan 1 orang yang menggunakan kendaraan umum.
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan pembahasan diatas, maka didapatkan kesimpulan sebagai berikut :.
1. Statistik deskriptif adalah bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan, dan penyajian data suatu penelitian sehingga memberikan informasi (organisasi, kesimpulan, ataupun penyajian data) yang berguna. Data dapat disajikan dalam bermacam-macam cara ,seperti menggunakan histogram untuk menggambarkan untuk menggambarkan frekuensi tinggi badan dan berat badan praktikan.
a. Mean
1) Tinggi badan: perhitungan manualnya adalah 162,25 sedangkan pada SPSS 162,065
2) Berat badan: perhitungan manualnya adalah 58,84 sedangkan pada SPSS 58,86
b. Median
1) Tinggi badan: perhitungan manualnya adalah 161,56 sedangkan pada SPSS 160,75
2) Berat badan: perhitungan manualnya adalah 57,55 sedangkan pada SPSS 57,85
c. Modus
1) Tinggi badan: perhitungan manualnya adalah 160,75 sedangkan pada SPSS 159
2) Berat badan: perhitungan manualnya adalah 57,55 sedangkan pada SPSS 58
d. Varians
1) Tinggi badan: perhitungan manualnya adalah 46,33 sedangkan pada SPSS 51,045
2) Berat badan: perhitungan manualnya adalah 141,4 sedangkan pada SPSS 136,68
e. Standar Deviasi
1) Tinggi badan: perhitungan manualnya adalah 6,8 sedangkan pada SPSS 7,14
2) Berat badan: perhitungan manualnya adalah 11,89 sedangkan pada SPSS 11,69
f. Persentil 5th
1) Tinggi badan: perhitungan manualnya adalah 151,12 sedangkan pada SPSS 150,05
2) Berat badan: perhitungan manualnya adalah 42,55 sedangkan pada SPSS 43,82
g. Persentil 95th
1) Tinggi badan: perhitungan manualnya adalah 175,36 sedangkan pada SPSS 176
2) Berat badan: perhitungan manualnya adalah 64,92 sedangkan pada SPSS 78,4
2. Data diinterpretasikan melalui analisis crosstabs yang hasilnya didapatkan bahwa terdapat perbedaan alat transportasi antara mahasiswa asal malang dan luar malang Mahasiswa asal Malang terdapat 1 orang yang berjalan kaki, 11 orang yang menggunakan kendaraan pribadi, dan 1 orang yang menggunakan kendaraan umum. Untuk mahasiswa luar kota Malang terdapat 9 orang yang berjalan kaki, 17 orang menggunakan kendaraan pribadi, dan 1 orang yang menggunakan kendaraan umum.
5.2 Saran
Adapun saran yang dapat kami berikan adalah sebagai berikut :
Praktikan diharapkan dapat memahami tentang statistik dan SPSS terlebih dahulu sebelummelaksanakan praktikum, sehingga praktikum berjalan lancar.
Untuk praktikum selanjutnya diharapkan jadwal kegiatan praktikum tidak terlalu pendek dengan jadwal praktikum selanjutnya.